aibox.nlp.core.estimator

Interface para estimadores.

Classes

Estimator([random_state])

Estimador.

class aibox.nlp.core.estimator.Estimator(random_state: int | None = None)

Base: ABC

Estimador.

Parâmetros:

random_state (int | None) – seed randômica utilizada para inicialização do estimador. Caso não seja passada, uma seed randômica é escolhida automaticamente.

Um estimador é um objeto que pode ser treinado para resolver problemas de classificação ou regressão single-label.

# Exemplo de uso (utilizar classes concretas):
estimator = Estimator(random_state=42)

# Realizar o treinamento
X = np.array([[1.0], [2.0], [3.0]])
y = np.array([1.0, 2.0, 3.0])
estimator.fit(X, y)

# Utilizar para predições
estimator.predict(y)
# Out: np.array([1.0, 2.0, 3.0])

abstract predict(X: list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor, **kwargs) → ndarray

Realiza a predição utilizando os parâmetros atuais do modelo.

Parâmetros:

• X (list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor) – dados de entrada com shape (n_samples, n_features).

• **kwargs – parâmetros extras que podem ser passados para alguns estimadores.

Retorna:

predições com shape (n_samples,).

Tipo de retorno:

ndarray

abstract fit(X: list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor, y: list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor, **kwargs) → None

Realiza o treinamento do estimador.

Parâmetros:

• X (list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor) – features no formato (n_samples, n_features).

• y (list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor) – saída esperada com formato (n_samples,)

• **kwargs – parâmetros extras que podem ser passados para alguns estimadores.

Tipo de retorno:

None

abstract property hyperparameters: dict

Hiper-parâmetros do modelo. Inclui a seed randômica. Estrutura do dicionário varia entre diferentes estimadores.

Retorna:

dicionário de hiper-parâmetros.

abstract property params: dict

Retorna um dicionário com os parâmetros para esse estimador.

Os parâmetros retornados descrevem totalmente o estado do modelo (e,g. pesos de uma rede, superfícies de decisão, estrutura da árvore de decisão, etc).

Retorna:

parâmetros do estimador.

property random_state: int

Seed randômica utilizada pelo estimador.

Retorna:

seed.